fa jalali 1403 9 1 gregorian 2024 12 1 7 3 online 1 fulltext

fa روند پژوهش‌های اقتصاد و بیمه سلامت 145 148 http://journal.ihio.gov.ir/browse.php?a_code=A-10-94-5&slc_lang=fa&sid=1 2024/12/23 1403/10/3 2024/12/17 1403/9/27 Shahram Tofighi National Center for Health Insurance Research, Tehran, Iran شهرام توفیقی 0031947532846005816 0031947532846005816 Yes مرکز ملی تحقیقات بیمه سلامت، تهران، ایران

fa تحول دیجیتال در بیمه سلامت فراتر از هوش مصنوعی و چت‌بات‌ها بیمه سلامت در حال تجربه یک تغییر اساسی  با بهره‌گیری از فناوری‌های دیجیتال است که روش‌های جدیدی را برای ارتقای کیفیت خدمات و کاهش هزینه‌ها فراهم می‌کند. این مطالعه به بررسی چگونگی تحول آینده بیمه سلامت با استفاده از راهکارهای مدرن نظیر هوش مصنوعی، داده‌های کلان، اینترنت اشیاء و سیستم‌های سلامت می‌پردازد.این فناوری‌ها تاکنون پتانسیل خود را نشان داده‌ وتوانسته اند به بیمه‌گران کمک ‌کنند تا ارزیابی ریسک را بهبود بخشند، مراقبت‌های شخصی‌سازی‌شده ارائه دهند و هزینه‌های بیمارستانی را به‌ویژه با بهره‌گیری از یک استراتژی دیجیتال کاهش دهند. اما این مسیر بدون چالش نیست و در این بین امنیت داده‌ها، انطباق با مقررات جهانی و سوگیری الگوریتمی از جمله چالش‌های مهم مطرح شده‌ میباشند. در ایران نیز با وجود پیشرفت‌های صورت گرفته در این حوزه،همچنان مشکلاتی وجود دارد. چالش‌هایی مانند محدودیت زیرساخت‌های فناوری اطلاعات، ضعف در سیستم‌های ارجاع و دسترسی محدود به اینترنت از جمله موانع اصلی در این موضوع هستند. برای رفع این مشکلات، نیاز به تقویت زیرساخت‌های دیجیتال فعلی، بازبینی چارچوب‌های قانونی موجود و آموزش نیروی انسانی آشنا و توانمند در این حوزه،احساس می‌شود.دستیابی موفقیت در تحول دیجیتال به تعادلی کامل در نظام سلامت وابسته است؛ به این معنا که ترکیب مناسبی از فناوری‌های پیشرفته و توانایی ارائه مراقبت با کیفیت و هزینه مقرون‌به‌صرفه برای همه فراهم شود. در نهایت، این تلاش‌ها می‌تواند به توسعه سیستمی منجر شود که نیازهای تمامی ذینفعان در نظام سلامت را برآورده سازد. The health insurance sector is undergoing a revolution with the help of digital technologies that are creating new ways of improving the quality of services and reducing costs. This study explores how modern solutions such as artificial intelligence, big data, the Internet of Things, and health informatic systems can transform health insurance's future.  These technologies have already demonstrated their potential. They are assisting the insurers in enhancing the risk appraisal, providing individualized care, and minimizing the hospital expenses—especially when integrated with a digital strategy. But the journey is not simple. Data security, global compliance, and algorithmic bias are a few of the significant challenges that have been highlighted. In Iran, the development has been made, but there are still some issues. Challenges include; limited IT infrastructure, poor referral systems, and limited internet access. To address these challenges, there is the need to enhance the current inadequate digital infrastructure, to review the existing legal framework and to train a workforce that will be conversant with these technologies.  The final success of digital transformation will depend on the perfect balance, meaning the right combination of advanced technologies and the ability to provide quality care at an affordable cost for all. Ultimately, these efforts can lead to development of a healthcare system that works for all stakeholders. Digital Health, Health Insurances, Big Data, Internet of Things, Health Information Systems سلامت دیجیتال, بیمه‌های سلامت, داده‌های بزرگ, اینترنت اشیا, سیستم‌های اطلاعات سلامت 149 160 http://journal.ihio.gov.ir/browse.php?a_code=A-10-630-1&slc_lang=fa&sid=1 2024/12/232024/06/30 1403/4/10 2024/12/172024/11/30 1403/9/10 Mohammad Mahdi Molaei National Center for Health Insurance Research, Tehran, Iran محمدمهدی مولائی‎ molaei.mahdi78@gmail.com 0031947532846005873 0009-0002-9643-2352 Yes مرکز ملی تحقیقات بیمه سلامت، تهران، ایران Mansoor Fatehi Global Outreach Committee, Society for Imaging Informatics in Medicine (SIIM), Virginia, USA منصور فاتحی 0031947532846005874 0031947532846005874 No کمیته گسترش جهانی، انجمن انفورماتیک تصویربرداری در پزشکی (SIIM)، ویرجینیا، ایالات متحده آمریکا

fa مفهوم‌سازی حکمرانی پژوهش در حوزه سلامت: مرور اجمالی حکمرانی پژوهش چارچوبی حیاتی است که یکپارچگی، کیفیت و انجام اخلاقی پژوهش‌های علمی در رشته‌های مختلف را تضمین می‌کند و شامل مجموعه‌ای از اصول، دستورالعمل‌ها و شیوه‌های کاری طراحی شده برای حفظ استانداردهای بالا در سراسر فرآیند پژوهش، از مفهوم‌سازی تا انتشار نتایج و از نظارت اخلاقی به‌ویژه در مطالعات بالینی انسانی یا حیوانات تا تضمین کیفیت و پاسخگویی یعنی ایجاد خطوط مسئولیت روشن بین پژوهشگران، مؤسسات و نهادهای تأمین مالی و انطباق یعنی تضمین پایبندی به الزامات قانونی و مقرراتی، از جمله حفاظت از داده‌ها و حقوق مالکیت معنوی همچنین شفافیت در ارتباطات، گردش اطلاعات، یافته‌ها و تضاد منافع. حکمرانی پژوهشی مؤثر شامل ذینفعان مختلفی از جمله پژوهشگران و تیم‌های آنها، هیأت‌های ارزیابی یا کمیته‌های اخلاق، موسسات تأمین مالی، نهادهای نظارتی، سردبیران و داوران همتا است. همانطور که عمیق‌تر به این موضوع می‌پردازیم، بررسی خواهیم کرد که چگونه حکمرانی پژوهش، چشم‌انداز پژوهش‌های علمی مدرن و تأثیر آن  بر جامعه را به‌طور کلی شکل می‌دهد. این پژوهش به مرور روایتی 80 مقاله مرتبط با حکمرانی پژوهش پرداخته است. بدین منظور و برای جستجوی کامل و جامع مقالات از پایگاه‌های داده گوگل اسکولار و اسکوپوس استفاده گردید. چندین عبارت برای جستجوی مقالات اصلی و مرتبط استفاده شد که شامل حکمرانی پژوهش، مدل‌های حکمرانی پژوهش، حکمرانی پژوهش در حوزه سلامت و تنظیم‌گری پژوهش بود. این مرور می‌تواند ضمن آشنا نمودن سیاستگذاران و مدیران ارشد و میانی حوزه پژوهش سلامت با اصطلاح حکمرانی و انواع آن، مدل‌های مختلف استفاده شده در این زمینه را تبیین نماید. Research governance is a critical framework that ensures the integrity, quality, and ethical conduct of scientific research in various disciplines and includes a set of principles, guidelines, and working practices designed to maintain high standards throughout the research process, from conceptualization to publication of results and from ethical oversight, especially in human or animal clinical studies, to quality assurance and accountability, i.e., establishing clear lines of responsibility between researchers, institutions, and funding bodies, and compliance, i.e., ensuring adherence to legal and regulatory requirements, including data protection and intellectual property rights, as well as transparency in communications, information flow, findings, and conflicts of interest. This study conducted a narrative review of 80 articles related to research governance. For this purpose, and for a complete and comprehensive search of articles, the Google Scholar and Scopus databases were used. This review can familiarize policymakers and senior and middle managers in the field of health research with the term governance and its types, and explain the different models used in this field. Governance, Research Governance, Health Sector, Research Governance Models, Researcher Independence ﺣﻜﻤﺮﺍﻧﻲ, حکمرانی پژوهش, حوزه سلامت, مدل های حکمرانی پژوهش, استقلال پژوهشگران 161 176 http://journal.ihio.gov.ir/browse.php?a_code=A-10-193-4&slc_lang=fa&sid=1 2024/12/232024/06/302024/09/23 1403/7/2 2024/12/172024/11/302024/12/4 1403/9/14 Jahanara Mamikhani Department of Health Economics, Khomeinishahr Branch, Islamic Azad University, Khomeinishahr, Iran جهان‌آرا ممی‌خانی mamikhani@gmail.com 0031947532846005844 0031947532846005844 Yes گروه اقتصاد سلامت، واحد خمینی‌شهر، دانشگاه آزاد اسلامی، خمینی‌شهر، ایران Seyed Abbas Motevalian Department of Epidemiology, School of Public Health, Iran University of Medical Sciences, Tehran, Iran سیدعباس متولیان motevalian@tums.ir 0031947532846005845 0031947532846005845 No گروه اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی ایران، تهران، ایران Hassan Haghparast-Bidgoli Institute for Global Health, University College London, London, UK حسن حق‌پرست بیدگلی s.shojaei137023@yahoo.com 0031947532846005846 0031947532846005846 No موسسه بهداشت جهانی، دانشگاه کالج لندن، لندن، انگلستان

fa طراحی سیستم اطلاعات مدیریت مالی یکپارچه در سازمان بیمه سلامت ایران با رویکرد سلسله مراتبی مقدمه: سیستم اطلاعات مدیریت مالی نقشی حیاتی در تصمیم‌گیری مدیران سازمان‌ها ایفا می‌کند. این سیستم‌، داده‌ها و اطلاعات مربوط به سازمان را جمع‌آوری، سازماندهی و پردازش می‌کند و آن‌ها را به شکلی قابل استفاده در اختیار مدیران قرار می‌دهد. البته این سیستم ها برای اثربخشی مطلوب تاچار به حرکت به سوی یکپارچگی هستند. روش بررسی: در این پژوهش از روش آمیخته (کیفی-کمی) برای گردآوری داده‌ها استفاده شد. در بخش کیفی پس از انجام مصاحبه با 18 خبره و تحلیل داده‌های حاصل از مصاحبه، 19 مؤلفه شناسایی و استخراج شد. سپس، در بخش کمی، برای مدلسازی از روش ترکیبی مدلسازی ساختاری تفسیری فازی بهره گرفته شد. داده‌های این بخش نیز با کمک ماتریس خودتعاملی گردآوری و سپس با کمک نرم‌افزار متلب مورد تحلیل قرار گرفت. یافته‌ها: پس از تحلیل داده‌های حاصل مدلی چهار سطحی حاصل شد که مؤلفه به‌روزرسانی یکپارچه زیرسیستم‌ها تأثیرگذارترین مؤلفه و هشت مؤلفه سرعت گردش اطلاعات مالی، کاهش یا حذف بروکراسی مالی و ادرای، مدیریت هزینه‌ها، مدیریت زمان و اقدام، گزارش‌گیری مالی و مدیریتی پیشرفته، مدیریت رویه‌ها و فرآیندهای حسابداری، مدیریت نقدینگی و مدلسازی مالی تأثیرپذیرترین مؤلفه‌های مدل بودند. نتیجه‌گیری: یکپارچگی سیستم‌های اطلاعات مدیریت مالی در سازمان بیمه سلامت تا حد زیادی به به‌روزرسانی یکپارچه زیرسیستم‌های وابسته نظیر: برنامه حسابرسی کامل، تعاملات مالی و عملیاتی سیستمی، سیستم حسابداری مالی پیشرفته، سیستم پشتیبان تصمیم‌گیری، تضمین امنیت داده‌ها و یکپارچگی داده‌های مالی بستگی دارد. Introduction: The financial management information system plays a vital role in the decision-making of managers of organizations. This system collects, organizes, and processes data and information related to the organization and provides them to managers in a usable form. Of course, these systems are in need of integration for optimal effectiveness. Methods: In this study, a mixed method (qualitative-quantitative) was used to collect data. In the qualitative part, after conducting interviews with 18 experts and analyzing the data obtained from the interviews, 19 components were identified and extracted. Then, in the quantitative part, a mixed method of fuzzy interpretive structural modeling was used for modeling. The data in this part was also collected with the help of a self-interaction matrix and then analyzed with the help of MATLAB software. Results: After analyzing the data, a four-level model was obtained, in which the component of integrated updating of subsystems was the most effective component, and the eight components of speed of financial information circulation, reduction or elimination of financial and administrative bureaucracy, cost management, time and action management, advanced financial and management reporting, management of accounting procedures and processes, liquidity management, and financial modeling were the most effective components of the model. Conclusion: The integration of financial management information systems in the health insurance organization depends largely on the integrated updating of its dependent subsystems. Subsystems such as: complete audit program, financial and operational system interactions, advanced financial accounting system, decision support system, ensuring data security, and financial data integrity. Information System, Financial Management, Integration سیستم اطلاعات, مدیریت مالی, یکپارچه‌سازی 177 188 http://journal.ihio.gov.ir/browse.php?a_code=A-10-479-2&slc_lang=fa&sid=1 2024/12/232024/06/302024/09/232024/08/4 1403/5/14 2024/12/172024/11/302024/12/42024/11/14 1403/8/24 Behrouz Yari Department of Accounting, Faculty of Humanities, Ilam Branch, Islamic Azad University, Ilam, Iran بهروز یاری Yari_behroz@yahoo.com 0031947532846005821 0031947532846005821 No گروه حسابداری، دانشکده علوم انسانی، واحد ایلام، دانشگاه آزاد اسلامی، ایلام، ایران Fatemeh Ahmadi Department of Accounting, Faculty of Humanities, Ilam Branch, Islamic Azad University, Ilam, Iran فاطمه احمدی fatemehahmady60@gmail.com 0031947532846005822 0031947532846005822 Yes گروه حسابداری، دانشکده علوم انسانی، واحد ایلام، دانشگاه آزاد اسلامی، ایلام، ایران Mojtaba Moradpour Department of Accounting, Faculty of Humanities, Ilam Branch, Islamic Azad University, Ilam, Iran مجتبی مرادپور Moradpour.mo@gmail.com 0031947532846005823 0009-0000-9290-5621 No گروه حسابداری، دانشکده علوم انسانی، واحد ایلام، دانشگاه آزاد اسلامی، ایلام، ایران Rahmatollah Mohammadipour Department of Accounting, Faculty of Humanities, Ilam Branch, Islamic Azad University, Ilam, Iran رحمت‌اله محمدی‌پور mohammadipourrahmatollah@gmail.com 0031947532846005824 0009-0003-3061-8696 No گروه حسابداری، دانشکده علوم انسانی، واحد ایلام، دانشگاه آزاد اسلامی، ایلام، ایران

fa مطالعه جامعه شناختی کیفیت زندگی زنان مبتلا به سرطان سینه شهر تهران: یک نظریۀ زمینه‌ای مقدمه: پژوهش حاضر با هدف واکاوی کیفیت زندگی زنان مبتلا به سرطان سینه شهر تهران انجام شده تا زمینه‌های لازم برای فهم موضوع در بستر شرایط و بافت اجتماعی و اقتصادی را فراهم سازد. روش بررسی: پژوهش حاضر از نوع مطالعات کیفی و روش به‌­کارگرفته شده، نظریه زمینه­ای است. روش نمونه­‌گیری، هدفمند و قضاوتی بود که با تعداد ۱۸ نفر از زنان مبتلا به سرطان پستان مصاحبه عمیق صورت گرفت. نمونه‌­گیری تا زمانی که تمام مقوله‌ها اشباع شدند و دیگر داده تازه و مهمی به­‌دست نیامد تداوم یافت. یافته‌ها: مهم­ترین راهبردهایی که در پژوهش حاضر مورد نتیجه بوده سازگاری با بیماری، آموزش و اطلاع‌رسانی مناسب و مبارزه با بیماری است. در بحث از شرایط زمینه‌­ای مؤلفه‌­های مهمی چون: از دست دادن منزلت اجتماعی، احساس طرد و انزوای اجتماعی و غوطه‌وری در درد و رنج مورد تأکید بوده است. هم­چنین مؤلفه‌­هایی چون فقدان حمایت اجتماعی و اقتصادی، ناکارآمدی و بی‌کیفیتی خدمات درمانی و بیمه‌ای، فقدان سلامت جسمی و روانی به‌­عنوان شرایط علّی مورد توجه هستند. بنابر یافته‌­های پژوهش حاضر دو مقوله اصلی کاهش اعتماد به نفس و خوداتکایی و اختلال در تصویر ذهنی از خود به ­عنوان شرایط مداخله‌گر مطرح شده­‌اند. تکمیل‌­کننده زنجیره مدل پارادایمی پژوهش حاضر مبتنی بر روش نظریه داده بنیاد پیامدها هستند که کیفیت زندگی را در سه بخش عمده کاهش رضایت از زندگی، احساس بی قدرتی اجتماعی و فقدان هدفمندی و معنای زندگی مورد واکاوی قرار گرفته است. نتیجه‌گیری: در اثر بروز زمینه هایی چون فقدان حمایت اجتماعی و اقتصادی، ناکارآمدی و بی کیفیتی خدمات درمانی و بیمه‌ای و فقدان سلامت روانی و اجتماعی زنان مبتلا به سرطان سینه، دچار بی کیفیت شدن زندگی می‌شوند. Introduction: This present study aimed to investigate the quality of life for women with breast cancer in Tehran to provide the necessary background for understanding the subject in the context of social and economic conditions and context. Methods: The current research is a qualitative study and the method used is grounded theory. The sampling method was purposive and judgmental, with in-depth interviews conducted with 18 women with breast cancer. Sampling continued until all categories were saturated and no new and important data were obtained. Results: The most important strategies that were concluded in the present study are adaptation to the disease, appropriate education and information, and fighting the disease. In discussing the underlying conditions, important components such as: loss of social status, feeling of rejection and social isolation, and immersion in pain and suffering have been emphasized. Also, components such as lack of social and economic support, inefficiency and poor quality of medical and insurance services, and lack of physical and mental health are considered as causal conditions. According to the findings of the present study, two main categories of reduced self-confidence and self-reliance and impaired self-image have been proposed as intervening conditions. Completing the paradigmatic model chain of the present study based on the grounded theory method are the consequences, which have analyzed the quality of life in three major parts: reduced life satisfaction, feeling of social powerlessness, and lack of purpose and meaning in life. Conclusion: Women with breast cancer experience poor quality of life due to factors such as lack of social and economic support, inefficiency and poor quality of medical and insurance services, and lack of mental and social health. Quality of life, social exclusion, reduction of social satisfaction, lack of social dignity, social powerlessness. کیفیت زندگی, طرد اجتماعی,کاهش رضایت اجتماعی, فقدان منزلت اجتماعی, بی قدرتی اجتماعی. 189 198 http://journal.ihio.gov.ir/browse.php?a_code=A-10-472-1&slc_lang=fa&sid=1 2024/12/232024/06/302024/09/232024/08/42024/05/12 1403/2/23 2024/12/172024/11/302024/12/42024/11/142024/10/2 1403/7/11 Afrooz Khani Islamic Azad Department of Social Sciences, Faculty of Social Sciences, Central Tehran Branch, Islamic Azad University, Tehran, Iran افروز خانی afroozkhani@ymail.com 0031947532846005825 0031947532846005825 No گروه جامعه‌شناسی، دانشکده علوم اجتماعی، ارتباطات و رسانه، دانشگاه آزاد اسلامی واحد تهران مرکزی، تهران، ایران Mohammadbagher Tajeddin Department of Social Sciences, Faculty of Social Sciences, Central Tehran Branch, Islamic Azad University, Tehran, Iran محمدباقر تاج‌الدین mb_tajeddin@yahoo.com 0031947532846005826 0031947532846005826 Yes گروه جامعه‌شناسی، دانشکده علوم اجتماعی، ارتباطات و رسانه، دانشگاه آزاد اسلامی واحد تهران مرکزی، تهران، ایران Saied Maadani Department of Social Sciences, Faculty of Social Sciences, Central Tehran Branch, Islamic Azad University, Tehran, Iran سعید معدنی maadani25@yahoo.com 0031947532846005827 0009-0001-5071-0970 No گروه جامعه‌شناسی، دانشکده علوم اجتماعی، ارتباطات و رسانه، دانشگاه آزاد اسلامی واحد تهران مرکزی، تهران، ایران

fa تشخیص زودهنگام اختلال طیف اوتیسم با استفاده از یادگیری ماشین مقدمه: اوتیسم نوعی اختلال رشدی است که در درجه اول تعاملات و ارتباطات اجتماعی را مختل می‌سازد. این اختلال درمان قطعی ندارد بنابراین تشخیص زودهنگام برای کاهش این اثرات مهم است. هدف از این مطالعه شناسایی افراد مبتلا به اوتیسم براساس اطلاعات ثبت شده از الگوی راه رفتن آن‌ها به وسیله حسگر کینکت است. روش بررسی: در این پژوهش با استفاده از روش یادگیری ماشین مبتنی بر اطلاعات ثبت شده از موقعیت قرارگیری مفاصل هنگام راه رفتن توسط حسگر کینکت، افراد مبتلا به اوتیسم شناسایی شدند. ابتدا، گروه ویژگی‌های آماری از دادگان کینکت استخراج شد که شامل موقعیت مفاصل و زوایای بین آن‌ها است. سپس ویژگی‌های استخراج شده با استفاده از آزمون آماری تحلیل واریانس بررسی و ویژگی‌های بهینه انتخاب شدند. در نهایت با استفاده از طبقه‌بند درخت تصمیم طبقه‌بندی انجام شد. یافته‌ها: در این مقاله با استفاده از طبقه بند درخت تصمیم و ۴۲ ویژگی‌ بهینه انتخاب شده مبتنی بر تحلیل آماری، طبقه‌بندی گروه سالم و بیمار انجام شد و صحت ۸۵ درصد به‌دست آمد. میزان حساسیت و ویژه‌بودن به‌دست آمده در این طبقه‌بندی، به ترتیب ۸۸ و ۸۲ درصد است. نتیجه‌گیری: با توجه به نتایج طبقه‌بندی انجام شده، مشاهده می‌شود که این پژوهش توانست با استفاده از بردار ویژگی با بعد کم که به‌وسیله تحلیل آماری به‌دست آمده بود، به صحت قابل قبولی دست یابد. در این پژوهش نشان داده شد که تنها با داشتن موقعیت قرارگیری چند مفصل می‌توان افراد مبتلا به اوتیسم را از افراد سالم طبقه‌بندی کرد. پیشنهاد می‌گردد در پژوهش‌های آتی با استفاده از این روش میزان بهبودی یا کنترل اوتیسم در افراد را پس از انجام روش‌های درمانی اندازه‌گیری کنند. Introduction: Autism is classified as a developmental disorder and primarily disrupts social interactions and communication. This disorder has no definitive treatment, making early diagnosis crucial for mitigating its effects. The purpose of this study is to identify autistic individuals based on the recorded information of their walking pattern by Kinect sensor. Methods: In this research, the machine learning method was employed to identify autistic individuals based on recorded joint position data during walking, recorded by the Kinect sensor. First, a group of statistical features was extracted from the Kinect data, which included joint positions and the angles between them. Then, the extracted features were evaluated using the statistical test of analysis of variance, and the optimal features were selected. Finally, classification was performed by decision tree classifier. Results: In this research, the classification of healthy and autistic individuals was done by the decision tree classification and 42 optimal features selected based on statistical analysis, and the accuracy of classification was 85%. The sensitivity and specificity obtained in this classification are 88 and 82%, respectively. Conclusion: According to the classification results, this research was able to achieve acceptable accuracy by using the low dimension feature vector obtained by statistical analysis. This research, shows autistic individuals can be classified from healthy people only by having the position of several joints. It is suggested researches in future, using this method for measurement the recovery rate or control autism in patient after performing treatment methods. Joints, Autism, Kinect Sensor, Statistical Features, Decision Tree, Classification مفاصل, اوتیسم, حسگر کینکت, ویژگی‌های آماری, درخت تصمیم, طبقه‌بندی 199 208 http://journal.ihio.gov.ir/browse.php?a_code=A-10-539-2&slc_lang=fa&sid=1 2024/12/232024/06/302024/09/232024/08/42024/05/122024/08/15 1403/5/25 2024/12/172024/11/302024/12/42024/11/142024/10/22024/10/15 1403/7/24 Shabnam Akhoundi Yazdi National Center for Health Insurance Research, Tehran, Iran شبنم آخوندی یزدی Sh.akhoondi17@gmail.com 0031947532846005847 0009-0005-5056-9363 No مرکز ملی تحقیقات بیمه سلامت، تهران، ایران Amin Janghorbani Poudeh Department of Biotechnology, Faculty of New Sciences and Technologies, Semnan University, Semnan, Iran امین جانقربانی پوده a.janghorbani@semnan.ac.ir 0031947532846005848 0031947532846005848 Yes گروه بیوتکنولوژی، پردیس علم و فناوری‌های نوین، دانشگاه سمنان، سمنان، ایران Ali Maleki Department of Biomedical Engineering, Faculty of Electrical & Computer Engineering, Semnan University, Semnan, Iran علی مالکی amaleki@semnan.ac.ir 0031947532846005849 0031947532846005849 No گروه مهندسی پزشکی، دانشکده مهندسی برق و کامپیوتر، دانشگاه سمنان، سمنان، ایران

fa مقایسه شاخص سلامت عمومی ایران با کشورهای حوزه منا در شاخص رفاه لگاتوم مقدمه: در سطح جامعه، یکی از ویژگی‌های مهم رفاه اجتماعی آن است که فرد از احساس سلامت، امنیت و شادمانی بالایی برخوردار باشد. این مطالعه با هدف بررسی وضعیت سلامت ایران در مقایسه با سایر کشورهای حوزه منا در شاخص رفاه لگاتوم انجام شد. روش بررسی: روش پژوهش حاضر توصیفی- مقایسه‌ای بود. جامعه پژوهش این مطالعه کلیه کشورهای حوزه منا شامل منطقه خاورمیانه و شمال آفریقا بود. داده‌های سلامت از منظر شاخص رفاه لگاتوم از سال ۲۰۱۳ تا ۲۰۲۳ کشورهای مورد مطالعه جمع‌آوری گردید. از آزمون آماری پارامتریک تی تک‌نمونه‌ای برای تحلیل داده‌ها و از نرم افزار SPSS نسخه ۲۰ استفاده شد. یافته‌ها: با توجه به نتایج آزمون آماری، یافته‌های مطالعه بیانگر این بود که بر اساس گزارش موسسه لگاتوم، بین امتیاز سلامت ایران و سایر کشورهای حوزه منا تفاوت معنی‌داری مشاهده شد و امتیاز سلامت ایران به‌طور معنی‌داری از میانگین امتیاز کشورهای حوزه منا بالاتر بود. نتیجه‌گیری: ارزیابی شاخص‌های سلامت ایران بر اساس مستندات جهانی، می‌تواند در زمینه سیاسگذاری‌های حوزه سلامت راهگشا باشد. در حوزه سلامت، وضعیت ایران در مقایسه با میانگین سایر کشورهای حوزه منا در وضعیت نسبتاً مطلوب قرار دارد، ولی در سایر حوزه‌ها برای رسیدن به سطح بـالای رفـاه، فاصله زیادی را باید طی کند. Introduction: At the level of society, one of the important features of social prosperity is that a person has a high sense of health, security and happiness. This study was conducted with the aim of investigating the health status of Iran compared to other MENA countries in the Legatum prosperity index. Methods: The present research method was descriptive-comparative. The research population of this study was all the countries of the MENA region, including the Middle East and North Africa region. Health data were collected from the perspective of the Legatum prosperity index from 2013 to 2023 of the studied countries. One-sample parametric statistical test was used for data analysis and SPSS version 20 software. Results: According to the results of the statistical test, the findings of the research indicated that according to the report of the Legatum Institute, a significant difference was observed between the health score of Iran and other MENA countries, and Iran's health score was significantly higher than the average score of the MENA countries. Conclusion: The evaluation of Iran's health indicators based on international documents can be helpful in the field of health policies. In the field of health, Iran's situation is relatively favorable compared to the average of other MENA countries, but in other fields, it has to go a long way to reach a high level of well-being. Health, Legatum Prosperity Index, MENA Region سلامت, شاخص رفاه لگاتوم, حوزه منا 209 216 http://journal.ihio.gov.ir/browse.php?a_code=A-10-625-1&slc_lang=fa&sid=1 2024/12/232024/06/302024/09/232024/08/42024/05/122024/08/152024/09/1 1403/6/11 2024/12/172024/11/302024/12/42024/11/142024/10/22024/10/152024/12/1 1403/9/11 Masoumeh Faghfouriazar Department of Physical Education, Faculty of Humanities, Garmsar Branch, Islamic Azad University, Garmsar, Iran معصومه فغفوری‌آذر m.faghfouriazar@yahoo.com 0031947532846005857 0031947532846005857 Yes گروه تربیت بدنی، دانشکده علوم انسانی، واحد گرمسار، دانشگاه آزاد اسلامی، گرمسار، ایران

fa کلاس‌بندی و نرخ‌گذاری بیمه‌شدگان درمان با استفاده از رویکرد ماتریس ریسک مقدمه: یکی از مهم‌ترین ارکان بهبود خدمات بهداشت و درمان، وضعیت بیمه‌های درمان تکمیلی است که باعث افزایش دسترسی مردم به مراقبت‌های بهداشتی می‌شود. ارزیابی دقیق و علمی ریسک صدور بیمه‌نامه درمان یکی از حساس‌ترین و مهم‌ترین مراحل ارزیابی ریسک است و انجام آن باعث شناسایی مشتریان پرریسک و تعیین نرخ بیمه سلامت، متناسب با ریسک مشتریان می‌شود؛ لذا مطالعه حاضر با هدف کلاس‌بندی و نرخ‌گذاری بیمه‌شدگان درمان با استفاده از رویکرد ماتریس ریسک انجام گرفت. روش بررسی: برای ارزیابی ریسک بیمه‌شده‌ها، یک مدل دومرحله‌ای همراه با رویکرد ماتریس ارزیابی ریسک ارائه شده است که با استفاده از آن بتوان بیمه‌شده‌ها را در کلاس‌های مختلف ریسک طبقه‌بندی کرد. برای این منظور ابتدا در گام اول احتمال ادعای خسارت را با استفاده از رگرسیون لجستیک براساس ریسک‌فاکتورهای سن، جنسیت و موقعیت جغرافیایی پیش‌بینی کرده و در گام بعد شدت خسارت با استفاده از رگرسیون چندکی پیش‌‌‌‌ بینی شد. یافته‌ها: در این مطالعه، مدل ارزیابی ریسک با رویکرد ماتریس ریسک ارائه شد که با به‌کارگیری آن می‌توان برای بیمه‌نامه‌ها سه کلاس ریسک بحرانی ( ) متوسط ( ) و قابل قبول ( ) ارائه کرد. نتیجه‌گیری: با استفاده از نتایج رویکرد ماتریس ریسک می‌توان برای بیمه‌نامه‌ها حق بیمه‌ای متناسب با کلاس ریسکی آنها تعیین نمود. این موضوع می‌تواند به افزایش سطح رضایتمندی مردم، حرکت کردن در مسیر عدالت، رسیدن به حق‌بیمه منصفانه، گسترش یافتن فضای امنیت و نگاه علمی کردن به صنعت بیمه کشور کمک کند. Introduction: One of the most important pillars of improving healthcare services is the state of supplementary medical insurances, which increase people's access to healthcare. The accurate and scientific assessment of the risks of issuing a medical insurance policy is one of the most sensitive and important stages of risk assessment, and performing it leads to the identification of high-risk customers and the determination of the health insurance policy rate, in accordance with the customers' risk. Therefore, the present study aimed to classify and rate health insurance beneficiaries using a risk matrix approach. Methods: In order to assess the risk of insured persons, a two-step model has been presented along with the risk assessment matrix approach, which can be used to classify the insureds into different risk classes. For this purpose, in the first step, the probability of claiming damages using logistic regression based on age, gender and geographical location risk factors are predicted and in the next step the severity of the damage is predicted using quantile regression. Results: Finally a risk assessment model is presented with a risk matrix approach, which presents three risk class; critical (R_1), moderate (R_2) and acceptable (R_3) risk class. Conclusion: Using the results of the risk matrix approach, insurance premiums have been determined for the insurance policies according to their risk class. This can help increase people's satisfaction, move towards justice, achieve fair insurance premiums, expand the security environment, and take a scientific look at the country's insurance industry. Classification, Insurance, Health, Risk, Regression کلاس‌بندی, بیمه, سلامت, ریسک, رگرسیون 217 226 http://journal.ihio.gov.ir/browse.php?a_code=A-10-607-1&slc_lang=fa&sid=1 2024/12/232024/06/302024/09/232024/08/42024/05/122024/08/152024/09/12024/09/3 1403/6/13 2024/12/172024/11/302024/12/42024/11/142024/10/22024/10/152024/12/12024/11/19 1403/8/29 Mojtaba Abed Faculty of Mathematical Sciences, Shahid Beheshti University, Tehran, Iran مجتبی عابد mojtabaabed1988@gmail.com 0031947532846005852 0031947532846005852 Yes گروه بیم‌سنجی، دانشکده علوم ریاضی، دانشگاه شهید بهشتی، تهران، ایران Amirteymor Payandeh Najafabadi Faculty of Mathematical Sciences, Shahid Beheshti University, Tehran, Iran امیرتیمور پاینده نجف‌آبادی amirtpayandeh@gmail.com 0031947532846005853 0031947532846005853 No گروه بیم‌سنجی، دانشکده علوم ریاضی، دانشگاه شهید بهشتی، تهران، ایران